飞机客舱内环境人机性能层次灰关联评价

为合理地评价飞机客舱内环境系统的人机设计效果,提出了飞机客舱内环境人机设计评价指标体系,阐明该评价体系的层次性与灰色性,确立了评价指标的权重值,并运用层次灰色关联模型对三款飞机内环境设计方案进行了人机评价。采用模糊评价理论对相同的对象进行对比评价,评价结论一致。表明层次灰色关联模型在人机设计评价的应用结果科学准确。

基于AHP-Fuzzy算法的加工中心人机性能综合评价研究

在分析加工中心人机系统特点和人机性能影响因素的基础上,对加工中心人机性能评价中涉及的指标体系和评价方法进行了研究。首先从加工中心、操作环境、管理体制和操作人员四个方面提出了具有递阶层次结构的加工中心人机性能综合评价体系,然后运用层次分析法,通过专家打分构造判断矩阵来确定各指标的权重,分层次进行模糊综合评价,求得最终结果。结合实例,对影响加工中心的各种因素进行了综合评价,分析了评价结果并提出了改进措施,验证了该方法的可行性。

基于BP神经网络的防空C^3I人机交互性能评估

阐述了BP神经网络的相关原理,建立了防空武器指挥自动化系统人机交互性能评估的指标体系,对应用人工神经网络解决防空武器指挥自动化系统人机交互性能评估的方法问题进行了探讨,并且给出了神经网络的评估模型及算法。通过实例证明该方法是可行的。

基于主成分分析法的舰炮武器人机交互性能评估

针对舰炮武器人机界面特点及现状,提出了基于主成分分析的人机交互性能评估方法。建立了合理的人机交互性能评估指标,结合实例提出了应用主成分分析法进行人机交互性能评估的方法和步骤,并给出了评估结果。与传统求均值方法相比,该方法避免了人为确定权重的主观性及各指标间存在相关性的问题,提高评估结果的准确性和科学性,为武器装备人机交互性能评估提供了技术支撑。

无人机任务规划约束空间建模

针对当前无人机任务规划没有充分考虑各规划要素的影响,导致其约束空间建模不够完善的问题,建立了战场威胁模型、链路通视模型、载荷成像模型以及无人机性能模型,系统性分析了各类约束模型与任务规划之间的耦合关系,使得约束空间模型更加完善且更符合真实战场环境。结合相应的航迹规划算法,可制定出满足飞行安全要求以及侦察要求的任务方案。

Self-supervised learning artificial intelligence noise reduction technology based on the nearest adjacent layer in ultra-low dose CT of urinary calculi

Objective To observe the value of self-supervised deep learning artificial intelligence(AI)noise reduction technology based on the nearest adjacent layer applicated in ultra-low dose CT(ULDCT)for urinary calculi.Methods Eighty-eight urinary calculi patients were prospectively enrolled.Low dose CT(LDCT)and ULDCT scanning were performed,and the effective dose(ED)of each scanning protocol were calculated.The patients were then randomly divided into training set(n=75)and test set(n=13),and a self-supervised deep learning AI noise reduction system based on the nearest adjacent layer constructed with ULDCT images in training set was used for reducing noise of ULDCT images in test set.In test set,the quality of ULDCT images before and after AI noise reduction were compared with LDCT images,i.e.Blind/Referenceless Image Spatial Quality Evaluator(BRISQUE)scores,image noise(SD ROI)and signal-to-noise ratio(SNR).Results The tube current,the volume CT dose index and the dose length product of abdominal ULDCT scanning protocol were all lower compared with those of LDCT scanning protocol(all P<0.05),with a decrease of ED for approximately 82.66%.For 13 patients with urinary calculi in test set,BRISQUE score showed that the quality level of ULDCT images before AI noise reduction reached 54.42%level but raised to 95.76%level of LDCT images after AI noise reduction.Both ULDCT images after AI noise reduction and LDCT images had lower SD ROI and higher SNR than ULDCT images before AI noise reduction(all adjusted P<0.05),whereas no significant difference was found between the former two(both adjusted P>0.05).Conclusion Self-supervised learning AI noise reduction technology based on the nearest adjacent layer could effectively reduce noise and improve image quality of urinary calculi ULDCT images,being conducive for clinical application of ULDCT.

三种新型呼吸机压力支持模式下的人机同步性能研究

压力支持通气(PSV)是一种重要的机械通气模式,PSV模式下的人机同步性分为吸气触发同步和呼气触发同步。能否很好地跟随患者的吸气和呼气动作,是呼吸机性能的一个重要评价指标。在各种不同条件下(例如:不同的患者肺类型、不同的呼吸努力程度等),呼吸机都应该能够及时响应患者的吸气动作并给予所需气体。同样地,呼吸机也应该及时响应患者的呼气动作,快速释放肺内压。本文在新型呼吸机E5、Servo i、Evital XL工作于PSV模式时,在主动模肺ASL5000触发压力或流量设置不变的情况下,改变呼吸机的吸气/呼气触发灵敏度,测量流量传递至患者的延迟时间、PSV初始化前的最低吸气气道压等参数,对PSV模式下的人机同步性能予以评价。

基于RRT的动态规避航迹规划算法

传统的快速扩展随机树(RRT)算法具有探索能力强和收敛速度快等显著优点,但是由于算法采用随机采样作为路径搜寻手段,导致RRT算法的规划性能十分不稳定,且在复杂环境下尤为明显。针对这个问题,借鉴启发式算法的思想,提出动态规避算法,通过引入启发式约束采样策略,适当增加算法的指向性,并且使规划的航迹更符合无人机的飞行轨迹,然后采用动态步长规避策略,改善算法的探索和避障能力。再对规划成功的路径进行优化,获得相对平滑的航迹。最后通过MATLAB仿真对比实验对算法进行分析,对比实验的结果表明算法在障碍物密集的区域内,可以有效增强算法的收敛速度和稳定性,可见动态规避算法可以有效改善算法的稳定性,而且还拥有相对优秀的避障性能。